o voto econômico no brasil - sdpscp.fflch.usp.br
TRANSCRIPT
1
O voto econômico no Brasil:
evidências com dados em painel e em multinível
Ivan Filipe de Almeida Lopes Fernandes
Bacharel em Relações Internacionais pelo Instituto de Relações Internacionais da
Universidade de São Paulo
Mestre e doutorando em Ciência Política pelo Departamento de Ciência Política da
Faculdade de Letras e Ciências Humanas da Universidade de São Paulo.
Gustavo Andrey de Almeida Lopes Fernandes Professor do Departamento de Gestão Pública da FGV- EAESP
Assessor Especial do Tribunal de Contas do Estado de São Paulo
Doutor em Teoria Econômica Economia pela Universidade de São Paulo.
Resumo:
Esse artigo apresenta evidências de que o crescimento econômico no último ano de
governo possui impacto positivo na porcentagem de votos obtidos pelo incumbente em
uma amostra da população dos municípios brasileiros em dados em painel das eleições
presidenciais e municipais de 2000, 2002, 2004, 2006 e 2008. Usamos dados de
crescimento real do PIB municipal como medida do crescimento econômico para testar
a hipótese de que os eleitores em um município tendem a premiar os incumbentes, e
seus candidatos, que tiveram bom desempenho econômico no último ano de mandato. A
hipótese se baseia na teoria econômica do voto que sugere que os incumbentes têm mais
chances de vencerem uma re-eleição, ou elegerem o seu sucessor, quando a economia
está em um bom momento. Na análise utilizamos as abordagens de Painel e de
Multinível, de modo a pormenorizar os efeitos e o impacto do crescimento econômico
na proporção de votos obtidos pelo incumbente.
Trabalho preparado para apresentação no III
Seminário Discente da Pós-Graduação em Ciência
Política da Universidade de São Paulo
22 a 26 de abril de 2013
2
1. Introdução
Esse artigo apresenta evidências de que o crescimento econômico no último ano de
governo impacta positivamente a porcentagem de votos obtidos pelo incumbente em
uma amostra da população dos municípios brasileiros em dados em painel das eleições
presidenciais e municipais de 2000, 2002, 2004, 2006 e 2008. Usamos dados de
crescimento do PIB municipal real para testar a hipótese de que os eleitores em um
município premiam os incumbentes que tiveram bom desempenho econômico no último
ano de mandato.
A análise das eleições presidenciais é de interesse especial, ainda que estejamos
analisando apenas as eleições presidenciais e municipais entre 2000 e 2008, pois a partir
da eleição do Presidente Luiz Inácio Lula da Silva, a literatura especializada na análise
de eleições brasileiras passou a discutir exaustivamente os determinantes dos votos nos
incumbentes no Brasil (Hunter e Power, 2007; Singer, 2009 e Zucco, 2008). Desta
forma, pretendemos contribuir com essa literatura introduzindo um novo banco de
dados para responder a questão se o crescimento econômico local no último ano de
governo é um dos determinantes da força do candidato incumbente. Ademais nesse
trabalho ajudamos a cobrir a lacuna de estudos que conectem variáveis locais com
eleições nacionais.
A hipótese se baseia na teoria econômica do voto que sugere que os incumbentes têm
mais chances de vencerem uma re-eleição, ou emplacarem o seu sucessor, quando a
economia está em um bom momento (Anderson & Morgan, 2011; Duch e Stevenson;
2008). Atentamos para o fato que, em nossa análise, levaremos em conta os efeitos
econômicos mais próximos do eleitor nas eleições mais próximas e mais distantes da
realidade local. Com isso, verificaremos se os efeitos econômicos que estão mais
próximos do cotidiano do eleitor são importantes na definição de sua preferência
eleitoral mais abrangente.
Este texto está dividido em seis seções, incluindo esta. Na próxima expomos de
maneira sucinta a teoria econômica do voto. A terceira seção descreve a metodologia
utilizada, que faz uso de dados em painel e da análise multinível. Na quarta, os dados
são apresentados. As evidências encontradas são objetos de análise na quinta seção. E,
por fim, na sexta e última concluímos o artigo.
3
2. Os determinantes do voto
As tentativas de explicar como e porque os indivíduos votam estimularam a
formação de um robusto campo que busca compreender as motivações e as raízes do
voto em todo o mundo democratizado. Existem três escolas sobre o comportamento
eleitoral: as escolas sociológica, psicossociológica e econômica. A escola sociológica
foi inaugurada pelos estudos clássicos de Lazarsfeld et al (1944) e Berelson et al (1954)
que encontraram evidências que poucos eleitores mudam de preferências durante as
campanhas eleitorais. A ausência relativa de mudança no voto se devia a características
estruturais dos eleitores: posição socioeconômica, religião e dicotomia urbana-rural.
Esta escola foi criticada por Campbell et al (1960) por não capturarem a variação no
tempo nas preferências eleitorais. Por sua vez, propuseram uma análise sócio-
psicológica, que, sem negar a importância de fatores macrossociais, demonstram a
existência de fatores intervenientes, que explicam melhor a decisão do voto, devotando,
assim, atenção às atitudes dos eleitores em relação ao universo político.
A principal constatação empírica é sobre a estabilidade das preferências partidárias
de uma eleição para outra e que as mudanças em candidatos ou plataformas políticas
tem pouco impacto sobre a escolha voto. Para eles, a identificação partidária foi o
principal fator de longo prazo na decisão de voto e não as condições sociais
permanentes. Seus resultados foram questionados por Nie et al (1976) que
argumentaram que as mudanças na estrutura social tinha reduzido a centralidade da
festa e aumentado a sofisticação dos eleitores estadunidenses. Este fato foi visto em
outras democracias, o que levou Dalton et al (1984) a resumir este fato na tese sobre
desalinhamento partidário.
A teoria econômica do voto
A escola econômica analisa o comportamento dos eleitores, do ponto de vista da
teoria da escolha racional. Downs (1957) introduziu a noção de que os indivíduos fazem
escolhas com base em comparações da utilidade esperada para cada um dos partidos
concorrentes; os cidadãos se comportariam como consumidores em um mercado
político. Eleitores maximizar sua satisfação tendo em mente a ação do governo e os
partidos buscam obter sucesso eleitoral. O cálculo do voto é feito em conformidade com
o diferencial de utilidade esperada entre os partidos comparando o que o governo no
poder oferece com o que seria obtido se a oposição vencesse a competição. Os esforços
de Kramer (1971), Goodhart e Bhansali (1970) e Mueller (1970) para testar a hipótese
4
downsiana nos EUA e Reino Unido inspirou um vasto programa de pesquisas.
Fair (1978) avançou o argumento ao formalizar como o desempenho econômico
entra na utilidade do eleitor. Este foi um avanço teórico importante porque estabeleceu
uma base para modelar a escolha do voto em uma perspectiva de maximização racional.
Fiorina (1981) atualizou o argumento analisando como os eleitores agem racionalmente
quando enfrentam escassez de informações. O principal argumento é que os eleitores,
independentemente do seu grau de informação, são sensíveis ao impacto das atividades
do governo para melhorias de seu bem-estar e as usam como um guia para o seu voto.
Assim, as expectativas futuras são em maior parte extrapolações de tendências atuais.
Um pressuposto chave está na compreensão de que o governo tem influência direta
no desempenho econômico do país, deixando de lado outros fatores que podem ter
impacto sobre ela, e que os fatores econômicos desempenham um papel importante no
comportamento eleitoral. Portanto, uma melhoria das condições econômicas aumenta a
probabilidade de voto no partido que é visto como responsável pela mudança. Além
disso, um melhor desempenho econômico tende a indicar uma capacidade
administrativa, além de afetar positivamente os votos daqueles que não se identificam
com nenhum partido (Virmani, 2004 e Anderson & Morgan, 2011).
A teoria econômica de votação também sugere que o voto retrospectivo, com base
em resultados econômicos, permite aos eleitores exigirem um grau de responsividade
dos políticos eleitos na gestão da economia. Na verdade, os mecanismos que ligam o
desempenho econômico com o comportamento de voto pode ser um processo de sanção
para o desempenho ruim da economia (Kramer, 1971 e Fair, 1978) ou o uso dos últimos
resultados econômicos para avaliar como concorrentes partidários potenciais podem
desempenhar no futuro (Downs, 1957; Stigler, 1973).
Fair (1978) desenvolveu um modelo para prever o resultado das eleições
presidenciais de os Estados Unidos. De acordo com este modelo, o comportamento
eleitoral depende principalmente dos acontecimentos econômicos do ano anterior à
eleição. As principais conclusões são que os presidentes estadunidenses tendem a ser
reeleito quando há crescimento econômico, o gasto federal está sob controle e uma
grande guerra foi evitada. Com o mesmo modelo, Fair (1996a e 1996b) mostrou que os
eleitores reagem positivamente ao crescimento real do PIB per capita no ano da eleição.
Duch e Stevenson (2008) realizaram um vasto estudo em 18 democracias e
5
mostraram que existe uma relação significativa entre a percepção econômica e a escolha
de voto, sobretudo em sistemas que concentram poder de decisão política. Finalmente,
Powell e Whitten (1993) demonstraram que os modelos convencionais de sanção por
meio do voto econômico econômica muitas vezes explicam as variações no
comportamento de punição eleitoral em termos de variações dos níveis de informação
devido ao fato de que existem fatores que comprometem a clareza na atribuição de
responsabilidades aos incumbentes políticos, o que pode remover o efeito de variáveis
econômicas sobre os resultados das eleições.
Voto Econômico Local
Uma das principais contribuições de nossa pesquisa é que a maioria dos estudos que
focam os efeitos do voto econômico observam dados regional ou nacional e não locais.
A maior parte desses estudos que procuram por variáveis locais estão preocupados com
os efeitos da manipulação fiscal ou de desempenho, e não sobre o desempenho
econômico. Sakurai e Menezes (2008) utilizaram dados do painel de mais de 2.000
municípios brasileiros maiores de 13 anos e mostrou a influência positiva dos gastos
públicos sobre a probabilidade de reeleição prefeitos. Veiga e Veiga show (2007) que o
aumento das despesas de investimento e mudanças na composição dos gastos
favorecendo itens visíveis estão associados positivamente com percentagens de votos de
prefeitos que buscam a reeleição incumbem, utilizando dados de todos os municípios do
continente português. Brender (2003), por outro lado, encontra evidências de que o
desempenho fiscal dos prefeitos impactar positivamente suas chances de reeleição
apenas em algumas das eleições israelenses locais. Finalmente, Drazen e Eslava (2010)
são o estudo original de manipulação eleitoral das despesas municipais, que incluem o
crescimento do PIB como uma das variáveis controles e descobrir que ele tem um
coeficiente positivo na maioria das regressões utilizando dados de todos os municípios
colombianos, no entanto eles não incluir medidas de desempenho econômico local, em
vez disso, eles só usam nacionais variáveis econômicas.
Em suma, com o melhor de nosso conhecimento, quase não há estudos que testam o
efeito do desempenho da economia municipal nas eleições nacionais. As únicas
exceções são os estudos realizados por Martins e Veiga (2010) e Oliver e Ha (2007). O
primeiro encontrar uma relação positiva entre os efeitos de local e nacional desempenho
econômico sobre o percentual de votos obtidos pelo partido do atual prefeito em
6
Portugal. E o segundo, usando dados de pesquisas de mais de 1.400 eleitores em 30
diferentes comunidades suburbanas dos Estados Unidos concluiu que melhores
condições econômicas locais ou melhor desempenho do governo local é positivamente
relacionado com o apoio ao incumbente.
3. Metodologia
Dada a natureza do objeto de pesquisa, estudamos o desempenho eleitoral do
incumbente em dois passos. No primeiro, analisamos o voto econômico por meio de
dados em painel. Segundo Hsio (1986), os paineis oferecem uma série de vantagens em
relação aos modelos de corte transversal no que se refere na possibilidade de controle da
heterogeneidade presente nos indivíduos, além de aumentar a precisão das estimações.
Serão feitas três estimações para verificar o efeito das variáveis de interesse. Em
primeiro lugar, estimamos por pooled regression model (POLS), depois pelo modelo de
efeitos aleatórios (EA) e por fim, pelo de efeitos fixos (EF), que estima coeficientes
consistentes na presença de heterogeneidade não observada correlacionada com os re-
gressores. Em seqüência, serão feitos testes para verificar qual modelo melhor se adéqua
aos dados, visando maximizar a eficiência do modelo, dado coeficientes consistentes.
No segundo passo, analisaremos as nossas variáveis de interesse por meio da
abordagem de níveis múltiplos, incluindo efeitos aleatórios sobre o intercepto e sobre os
coeficientes de interesse. Incluiremos os seguintes seis níveis na análise: faixas de
crescimento econômico e do PIB municipal real, unidade da federação, partido político
do candidato, ano da eleição e por fim tipo de eleição em questão. O objetivo desta
análise é, principalmente, observar como se comporta o coeficiente de interesse dentro
dos diversos grupos aqui analisados.
3. 1. Primeiro Passo: Análise em Painel
No modelo básico do POLS, o estimador considera todas as informações como
unidades transversais, ignorando o aspecto temporal. Uma problemática imanente na
sua utilização está relacionado com a validade da hipótese de que não há informação do
erro idiossincrático que esteja correlacionado com as variáveis explicativas. Isto posto,
ao desconsiderar a temporalidade do banco de dados, ele não permite o controle para
heterogeneidade específica (ci), o que causa inconsistência e viés nos estimadores caso
esta esteja correlacionada com algum dos regressores. Por fim, o POLS requer a
hipótese branda de exogeneidade fraca.
7
Modelo POLS
Yit ~ α + Xit β + εit (1)
E(εit / x) = 0; εit ~ IID (0, σ2)
Já o modelo de efeitos aleatórios (EA) trata da heterogeneidade específica não
observada (ci) como uma variável aleatória que é distribuída independentemente dos
regressores com variância homocedástica. O heterogeneidade torna-se parte do erro e,
portanto, não pode ser correlacionado com nenhum regressor em todos os períodos,
caso contrário todos os estimadores serão inconsistentes ao violar uma das hipóteses
Gauss-Markov da estimação por OLS. Por esta hipótese da exogeneidade estrita, o erro
εit não deve ser correlacionado com os regressores nem com o efeito específico em
qualquer período de tempo. Estima-se o EA pela feasible generalized least squares
(FGLS), uma vez que a matriz de variância-covariância é desconhecida.
Modelo Efeitos Aleatórios:
Yit ~ α + Xit β + vit = α + Xit β + (ci + εit) ; onde vit é o erro composto dado por ci + εit (2)
E(vit / Xis) = 0; para i s ; vit ~ IID (0, σ2)
Por sua vez, a análise de efeitos fixos (EF) examina diferentes interceptos para a
unidade de análise, assumindo que as inclinações e a variância são constantes. O efeito
específico ci não é tratado como aleatório, mas como um parâmetro a ser estimado.
Assim, ao contrário do EA, o modelo EF permite que o efeito específico ci seja
correlacionado com os regressores Xit. Esta estimação requer exogeneidade estrita, ou
seja, que todos os regressores não sejam correlacionados com o erro εi em todos os
períodos. Para fazer a estimação por EF é necessário recorrer a uma das técnicas de
transformação para eliminar a heterogeneidade. Aqui, utilizamos a within
transformation, uma vez que esta é a mais eficiente quando T > 2 (Wooldridge, 2002)
Modelo de Efeitos Fixos:
Yit ~ α + ci + Xit β + εit (3)
Transformação para eliminar o ci: Yit - Ym = (Xit - Xm) β + (εit – εm)
E(εit / Xis, ci) = 0; para i s; εit ~ IID (0, σ2)
Após realizarmos todas estas estimações, faremos os testes estatísticos para verificar
8
quais estimadores são consistentes e, dentre estes, quais são eficientes. Conforme
exposto, caso exista heterogeneidade não observada não correlacionada com algum
regressor, os estimadores de efeitos fixos e aleatórios são consistentes, sendo o último
mais eficiente. Caso a heterogeneidade seja correlacionada com algum regressor, o
primeiro é o único consistente. Desta forma, no final da análise realizaremos testes de
Breusch-Pagan para verificar a presença de heterogeneidade específica e de Hausman
(1979) para verificar a correlação entre esta e os regressores.
3. 2. Segundo Passo: Análise Multinível
Nos modelos multiníveis analisados, utilizaremos do estimador LMER no Pacote
Estatístico R para verificar como se comportam os coeficientes de interesse nos
diferentes níveis selecionados. Criaremos seis modelos separados no qual incluímos em
cada um dos níveis citados na introdução desta seção. Após termos feito isso,
observaremos quais são os modelos que apresentam os resultados mais interessantes e
tentaremos complementá-los em modelos multiníveis não aninhados. Sublinhamos que
os modelos multiníveis utilizados aqui possuem intercepto e inclinação aleatórios.
Modelo de Multinível com um nível:
Yi ~ αj[i] + β j[i] xi + Zi λ+ εi (4)
α j ~ N(γ α , σ²α) (5)
E(εi / X, Z) = 0; εit ~ IID (0, σ2)
Modelo de Multinível com estruturas aninhadas:
Yi ~ α jq[i] + β jq[i] x + Zi λ + εi (6)
E(εit / X, Z) = 0; εit ~ IID (0, σ2)
Nos modelos cima, a variável x é a nossa variável de interesse, enquanto o vetor Zi é
composto pelas variáveis de controle. Devido a isso, os coeficientes estimados de Zi não
serão modelados como aleatórios. Além do coeficiente aleatório βj, também
permitiremos a variação aleatória nos interceptos αj (Gelman e Hill, 2007).
3.3. Modelo do voto econômico no Brasil
9
A amostra analisada neste artigo cobre 5517 municípios brasileiros entre as
eleições de 2000 e 2008. Conforme veremos abaixo, o banco de dados inclui cinco tipos
de variáveis: políticas, econômicas, fiscais, demográficas e geográficas, sendo que as
três últimas são usadas como controle nas estimações. A equação básica a ser estimada
por meio dos painéis pode ser sucintamente sumarizada assim:
fracaovotos it = α + ci + β1 cresc it + β3 variáveis de controle it + λ1 dummies it + εit ; (7)
onde i se refere ao município, t ao ano e α, ci e εit são, respectivamente, a constante, o
efeito fixo municipal e o erro idiossincrático; cres é a variável independente de interesse
e fracaovotos a variável dependente.
A variável fracaovotos indica qual é a porcentagem de votos válidos (excluídos
votos brancos e nulos) que o candidato incumbente obteve. O regressor cresc é a taxa de
crescimento do PIB real municipal, que, dado nosso arcabouço teórico-metodológico, é
utilizada aqui como forma de mensuração do crescimento econômico no ano das
eleições presidenciais e municipais.
Já nos modelos multiníveis, a equação básica estimada é um pouco distinta,
embora apresente a mesma estrutura, pois algumas dummies entram como grupos (os
níveis) e a técnica estatística utilizada, estimador LMER no Pacote Estatístico R, não
permite a inclusão da estrutura de painel da forma em que é realizada no primeiro passo
desta pesquisa. Nos modelos multiníveis, a estrutura em painel é modelada como um
nível que interagem com o intercepto e com os coeficientes de interesse. Dado isso, a
equação básica estimada é:
fracaovotos i = αi[j] + β1(j) cresci[j] + β2 variáveis de controlei + λ1 dummiesi + εit ; (8);
onde i se refere ao município, αi[j] e β1[j] são, respectivamente, o intercepto e o
coeficiente de interesse aleatório, sendo [j] o subscrito indicativo do grupo e, por fim, εit
é o erro idiossincrático;
10
4. Dados
Foram coletados dados das variáveis políticas a partir da base de informações
eleitorais do Superior Tribunal Eleitoral. Obtivemos informações para os 5566
municípios brasileiros cujos dados eleitorais estão disponibilizados. O período eleitoral
abrange as eleições municipais de 2000, 04 e 08 e as eleições presidenciais de 02 e 06.
Para os anos de 2002 e 06, pudemos definir claramente quem eram os candidatos
incumbentes em todos os municípios. Em 02 foi o candidato do PSDB José Serra e em
06 o então presidente e candidato pelo PT Luiz Inácio da Silva. Já para as eleições
municipais a definição dos candidatos incumbentes é mais difícil. Utilizamos duas
regras para isso: o candidato possui o mesmo nome que o prefeito ou é do mesmo
partido que o prefeito. Quando encontramos dois candidatos na mesma cidade no
mesmo ano que se adéquam às duas condições, optamos pela primeira.
O número de municípios com candidatos incumbentes na amostra por ano foi o
seguinte: o ano de 2000 apresentou 4423 municípios com candidatos incumbentes; o
ano de 2002 apresentou 5563; o ano de 2004 apresentou 3776; o ano de 2006
apresentou 5565; e, por fim, o ano de 2008 apresentou 4123. Desta forma, a amostra
analisada foi composta por mais de 5000 municípios brasileiros em cinco períodos
eleitorais subseqüentes, constituindo assim um painel desbalanceado.
As variáveis econômicas e demográficas foram obtidas junto ao Instituto Brasileiro
de Geografia e Estatística (IBGE). Entre elas incluímos o regressor de interesse, cresc
(taxa e crescimento real do PIB municipal), o logaritmo da população do município e o
PIB municipal real. Outros regressores foram obtidos junto ao Tesouro Nacional,
sobretudo as variáveis que mensuram as despesas municipais com investimentos,
pessoal, correntes e o orçamento municipal, além de gastos em educação & cultura;
habitação & urbanismo; saúde & saneamento e assistência social & previdência. Por
fim, no DATASUS obtivemos dados sobre o percentual do orçamento municipal
aplicado em saúde em todos os municípios brasileiros.
11
Tabela 1. Descrição das Variáveis
fracaovotos proporção de votos válidos obtidos pelo incumbente (0-100)
cres taxa de crescimento do PIB real
lpibreal log do PIB rea lmunicipal
pbp dummy relativa ao prefeito ser membro da coligação eleitoral do presidente
(1-membro; 0-não membro)
aplems percentual do orçamento aplicado em saúde (%)
lpop log da população do município
ldesporc log da despesa orçamentária municipal no ano eleitoral (R$)
linvest log da despesa municipal em investimento no ano eleitoral (R$)
ldespcor log da despesa municipal corrente no ano eleitoral (R$)
laseps log da despesa municipal em assistência e previdência no ano eleitoral (R$)
leec log da despesa municipal em educação e cultura no ano eleitoral (R$)
lheu log da despesa municipal em habitação e urbanismo no ano eleitoral (R$)
lses log da despesa municipal em saúde e saneamento no ano eleitoral (R$)
municipal dummy relativa ao tipo de eleição(1-municipal; 0-presidencial)
- dummies de unidades da federação
- dummies do partido político do candidato
a2000-a2008 dummies de ano
deciscresc decis de crescimento econômico real dos municípios
decispib decís de log do PIB real municipal
Além dessas informações fiscais-demográfico-econômicas, também controlamos a
análise levando em conta o potencial papel desempenhado pela relação prefeito-
presidente na eleição. Para isso construímos uma variável dummy que indica se o
prefeito possuía conexões políticas com o presidente. Para isso verificamos se o prefeito
pertencia a algum partido da coligação do presidente, incluindo o próprio partido do
presidenciável1. Obtivemos os dados sobre a afiliação partidária do prefeito a partir dos
resultados eleitorais das eleições imediatamente anteriores ao pleito presidencial2.
Além disso, também controlamos por eventuais choques macro-econômicos por
meio da criação de dummies de ano e também com dummies indicando as unidades da
federação, os partidos políticos do candidato incumbente, e, por fim, o tipo de eleição
(presidencial ou municipal). Também foram criadas variáveis de grupos que indicam os
níveis que serão utilizados no segundo passo da análise. São seis níveis: partido do
1 As três coligações no governo federal utilizadas são as coligações eleitorais que elegeram o presidente
que estava no poder no ano do pleito: 1998 - PSDB / PFL / PTB / PPB; 2002 - PSDB / PMDB; 2006 - PT,
PRB, PCdoB. 2 Os dados das eleições municipais de 1996, 2000, 2004 e 2008 foram coletados junto ao STE.
12
candidato; unidade da federação; tipo de eleição; decil do PIB municipal real e decil da
taxa de crescimento real do PIB municipal e ano eleitoral. Abaixo segue a descrição das
variáveis (Tabela 1) e suas respectivas estatísticas descritivas (Tabela 2 e 3).
Tabela 2. Estatística Descritiva das Variáveis Contínuas
Variáveis Contínuas Média Mediana Desvio Padrão Mínimo Máximo Observações
fracaovotos 45.43 45.56 18.21 0 100 23450
cres 5.44 6.91 16.09 -78.58 684.4 23441
lpibreal 10.63 10.37 1.42 7.28 19.10 23441
aplems 17.52 17.22 6.49 -73.35 161.38 23132
lpop 9.37 9.26 1.16 1.16 6.69 22643
ldesporc 16.07 15.85 1.08 10.21 23.91 22505
linvest 13.82 13.71 1.28 5.89 21.72 22366
ldespcor 15.91 15.70 1.08 10.11 23.77 22503
laseps 12.96 12.87 1.33 4.68 21.38 22431
leec 14.79 14.60 1.07 4.48 22.08 22570
lheu 13.41 13.36 1.53 4.83 21.63 22125
lses 14.42 14.25 1.19 5.5 21.86 22540
5. Resultados
Esta seção apresenta os principais resultados obtidos com a aplicação dos métodos de
painel e multinível. Como exposto, analisamos o desempenho eleitoral do incumbente
por meio dos métodos em painel POLS, EA e por EF, usando sempre erros padrões
robustos. Os resultados estão apresentados na Tabela 4. Depois, analisamos o modelo
com a introdução das técnicas de multinível para verificar a permanência ou não dos
coeficientes de interesse (o intercepto e a inclinação estimada da variável cres), quando
analisados em seis níveis distintos. Nos primeiros modelos verificamos os efeitos em
um único nível e depois modelos os níveis de uma única vez.
13
Tabela 3. Estatística Descritiva das Variáveis Categóricas
Variáveis Binárias 0 1
pbp 16,951 6,486
municipal 11,128 12,322
a2000 19,027 4,423
a2002 17,887 5,563
a2004 19,674 3,776
a2006 17,885 5,565
a2008 19,327 4,123
Variáveis com mais de uma categoria 1 2 3 4 5 6 7 8 9 10
deciscresc 2,344 2,343 2,349 2,346 2,336 2,337 2,342 2,355 2,348 2,390
Decispib 2,346 2,341 2,343 2,344 2,344 2,340 2,352 2,352 2,336 2,392
Outras Variáveis Categóricas
unidade da federação dummies para cada estado da federação e variável com todos os estados
dummies do partido politico do candidato dummies para cada partido político e variável com todos os partidos
5.1. Resultados da Análise em Painel.
Na tabela 3, além da variável dependente de interesse, incluímos todas as variáveis
contínuas de controle e a variável política que capta a conexão política entre o prefeito e
o presidente (prefeitobase). Depois se verificou entre os modelos de EA e EF qual é o
mais adequado. Para isso realizamos o Teste de Especificação de Hausman (1978), que
compara ambos sob a hipótese nula de que a heterogeneidade não observada é não
correlacionada com os regressores. Nos modelos da Tabela 4 o modelo de efeitos fixos
é preferível3. Além das dummies de ano, nas colunas 4 a 6, incluímos a variável sobre o
tipo de eleição, presidencial ou municipal.
A principal conclusão depreendida é que a relação entre o crescimento econômico e a
votação obtida pelo incumbente no município tem uma relação positiva e significante.
As seis colunas de coeficientes da Tabela 4 indicam que o crescimento no PIB real do
município (cresc) possui uma relação positiva e significante com a porcentagem de
votos obtidos pelo incumbente. O crescimento de 1% do PIB real aumenta entre 0.02 e
0.05 a porcentagem de votos obtida pelo incumbente. Os coeficientes das estimações
por efeitos fixos são menores e com menor significância estatística do que os
coeficientes das estimações por POLS e por efeitos aleatórios, indicando, de maneira
clara, ainda que com efeito pequeno, a presença do voto econômico nas eleições
presidenciais e municipais.
3 χ2 = 1405.05, sendo que a probabilidade > χ2 = 0.0000.
14
Além das evidências a respeito da relação entre crescimento econômico e a votação
obtida pelo incumbente presidencial, a Tabela 4 trouxe também uma série de outros
resultados interessantes. Entre eles, chamamos atenção para o fato de que em todos os
modelos o coeficiente do PIB real em nível foi negativo e significante nos POLS e EA,
sugerindo que quanto maior o potencial econômico dos municípios maior a tendência de
votos contrários ao incumbente. Por outro lado, a dummy relativa ao fato de que o
prefeito é ou não coligado com o presidente apresentou um coeficiente surpreendente. A
relação entre o presidente e a base acaba por punir o candidato incumbente. Não
obstante, ao controlarmos para o efeito do ano eleitoral, o impacto da variável deixar de
ser estatisticamente significantes.
Além disso, a variável que capta os níveis de gastos em saúde demonstra que a maior
parcela do orçamento gasta com saúde possui um efeito positivo sobre o potencial de
votos obtidos pelo incumbente, ainda que toda sua significância estatística tenha sido
perdida no modelo de EF. A variável populacional também indica que quanto maior a
população, menor a porcentagem de votos obtida pelos incumbentes.
Já no tocante às variáveis municipais fiscais especificas, quais sejam, despesa em
educação e cultura, despesa em habitação e urbanismo, em saúde e saneamento, e em
assistência social e previdência, apenas os gastos em educação e cultura foram
positivos, significantes e de grande magnitude em todos os modelos. Os gastos com
habitação e urbanismo foram negativos e significantes no modelo de EF, assim como os
gastos em saúde e saneamento. Os gastos em assistência social e previdência tiveram
efeitos não diferentes de zero em quase todos os modelos. Por fim, as variáveis
municipais fiscais agregadas, quais sejam, as despesas orçamentárias, correntes, com
investimento e com pessoal, tiveram efeitos distintos. As despesas correntes mostraram-
se positivamente relacionadas com os votos obtidos pelo incumbente, enquanto as
despesas com pessoal esta negativamente correlacionada. Já as despesas com
investimento e orçamentárias tiveram efeitos não diferentes de zero.
Os resultados das colunas 04 a 06, por seu turno, controlando para choques externos,
trazem mais evidências em favor da perspectiva do voto econômico, pois nos três
modelos aqui analisados o coeficiente de cresc é positivo e estatisticamente significante,
mesmo após termos incluído inúmeras variáveis de controle que são capazes de captar
boa parte da variação temporal da amostra, a saber, as dummies de ano e de tipo de
eleição.
15
Tabela 4 – Análise em Painel do Voto Econômico nos Municípios brasileiros
fracaovotos OLS EA EF OLS EA EF
cresc 0.0508*** 0.0508*** 0.0238** 0.0235*** 0.0235*** 0.0183*
0.0097 0.0097 0.0089 0.0072 0.0072 0.0077
lpibreal -0.4069*** -0.4069*** -0.0918 -0.2666*** -0.2666*** -0.0731
0.0794 0.0794 0.1616 0.0731 0.0731 0.1444
pbp -2.9042*** -2.9042*** -1.027** 0.1765 0.1765 0.2946
0.275 0.275 0.3484 0.2601 0.2601 0.3184
aplems 0.1755*** 0.1755*** 0.0441 0.0804*** 0.0804*** 0.0795**
0.0305 0.0305 0.0328 0.0200 0.0200 0.0277
lpop -5.4518*** -5.4518*** -16.4215*** 0.4391 0.4391 -4.5315**
0.284 0.284 1.9385 0.2815 0.2815 1.7049
leec 6.3192*** 6.3192*** 6.1456*** 5.6592*** 5.6592*** 0.5862
0.5983 0.5983 0.8827 0.6195 0.6195 0.5732
lheu -0.1168 -0.1168 -0.6958*** 0.2968* 0.2968* -0.4106*
0.133 0.133 0.2155 0.1204 0.1204 0.1930
lses -0.6615 -0.6615 -3.1471*** 1.2244*** 1.2244*** 0.2200
0.364 0.364 0.4768 0.3791 0.3791 0.4142
laseps 0.14 0.14 0.6089* 0.6979*** 0.6979*** 0.1057
0.1681 0.1681 0.2788 0.1615 0.1615 0.2421
ldesporc -7.6183** -7.6183** -6.0704 -4.3812 -4.3812 5.3102
2.9153 2.9153 3.7577 2.5466 2.5466 3.3359
ldespcor 9.3293*** 9.3293*** 18.8312*** -5.8578* -5.8578* -2.0342
2.6748 2.6748 3.5079 2.3370 2.3370 3.2982
linvest 0.6081 0.6081 -0.1811 1.9044*** 1.9044*** 1.7576***
0.3474 0.3474 0.4324 0.3152 0.3152 0.3890
ldespes -3.4201*** -3.4201*** -1.7253* -2.4301*** -2.4301*** 4.8097***
0.6462*** 0.6462 0.8292 0.6122 0.6122 1.3058
municipal 4.4569*** 4.4569*** 13.6569***
0.4378 0.4378 1.4536
a2000 -9.3410*** -9.3410*** 8.6878***
0.5566 0.5566 1.9252
a2002 -22.4361*** -22.4361***
0.3865 0.3865
a2004 -9.3641*** -9.3641*** 1.2727
0.4737 0.4737 1.1058
a2006
15.1346***
0.9595
_cons 31.8141*** 31.8141*** -17.5635 108.9077*** 108.9077*** -83.4068***
2.9767 2.9767 16.9054 3.3550 3.3550 25.2271
Obs1: significância: *< 0,05 / **< 0,01 / *** <0,001
Obs2: Em destaque os coeficientes das variáveis que foram significativas em todos os modelos.
16
(...) continuação Tabela 4
N 21364 21364 21364 21364 21364 21364
Municípios 5517 5517
5517 5517
r2 0.0489 0.0959 0.2497 0.2834
r2_o 0.0489 0.0340
0.2497 0.0927
r2_b 0.0415 0.0075 0.2262 0.0224
r2_w 0.0634 0.0959 0.2668 0.2834
sigma_u 0.0000 11.8408
0 12.1497
sigma_e 17.6160 17.6160
15.6853 15.6853
Teste de Breusch-Pagan: χ2 = 20.40, sendo que a probabilidade de > χ2 = 0.0000
Teste de Especificação de Hausman: χ2 = 1405.05, sendo que a probabilidade > χ2 = 0.0000.
No que se refere aos outros coeficientes, o potencial econômico do município
permaneceu negativamente relacionando com a proporção de votos do incumbente,
ainda que tenha perdido sua significância estatística no modelo de EF. O papel do
prefeito da base do governo trocou de sinal em relação à tabela anterior, mas tornou-se
estatisticamente insignificante, o que não permite que tiremos conclusões claras sobre
qual é o seu papel desempenhado dentro das eleições e qual é o efeito da conexão
presidente – prefeito. Ademais, a parcela do orçamento gasta com saúde permaneceu
significante nos seis modelos aqui apresentados e o tamanho da população deixou de ter
uma relação clara, uma vez que seu sinal varia entre os seis modelos.
No tocante às variáveis municipais fiscais, apenas os gastos com investimentos
foram significativos e com o mesmo sinal ao longo dos seis modelos. Nas outras
variáveis, ou a relação esteve no limite de sua significância, sendo significante em
alguns modelos e não sendo em outros, ou seu sinal foi trocado ao longo da análise.
Por fim, as dummies incorporadas no modelo foram em sua maioria significativas e
com coeficientes altos. Chamamos atenção para o fato o prefeito parece receber uma
quantidade maior de votos quando incumbente do que o presidente. O coeficiente das
eleições municipais indica, no modelo de EF, que o prefeito incumbente possui em
média 13.66 pontos percentuais a mais que o presidente incumbente.
17
5.2. Resultados da Análise Multinível
O modelo escolhido para realizarmos a modelagem multinível inclui todas as
variáveis dos modelos apresentados nas três primeiras colunas da Tabela 4, uma vez que
as variáveis incluídas nas colunas 4, 5 e 6 entram na análise como diferentes níveis.
Além disso, visando a parcimônia analítica do estudo, permitiremos apenas que o
coeficiente de interesse (cresc) seja aleatório, além, obviamente do intercepto. Todos os
outros serão modelados como coeficientes fixos para todos os grupos dos seis níveis da
análise.
O primeiro nível analisado é composto pelos 10 grupos da faixa de crescimento
econômico, que foram formados a partir da divisão da distribuição da variável cresc em
10 decis distintos. Os resultados são apresentados na Tabela 6 e no Gráfico 1, onde
mostramos a variação do βj[i] ao longo dos 10 grupos ordenados.
Tabela 5 – Estimação por Faixas de Crescimento Econômico
Efeitos Fixos Efeitos Aleatórios
Faixas de Crescimento
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP β j[i] EP β j[i] min β j[i] max
intercepto 33.14 2.94 11.26 1 33.92 1.42 -0.10 0.19 -0.47 0.27
cresc 0.27 0.07 4.12 2 32.58
0.07
-0.30 0.44
lpibreal -0.40 0.09 -4.66 3 32.37
0.10
-0.27 0.47
aplems 0.17 0.02 8.01 4 31.69
0.19
-0.18 0.56
lpop2 -5.44 0.26 -20.99 5 32.12
0.13
-0.24 0.50
leec 6.37 0.43 14.79 6 32.96
0.02
-0.35 0.39
lheu -0.09 0.13 -0.70 7 31.97
0.15
-0.22 0.52
lses -0.61 0.33 -1.84 8 33.82
-0.09
-0.46 0.28
laseps 0.12 0.16 0.75 9 34.40
-0.16
-0.54 0.21
ldesporc -7.02 2.61 -2.69 10 35.56
-0.32
-0.69 0.06
ldespcor 8.94 2.41 3.70
linvest 0.57 0.33 1.76
ldespes -3.84 0.59 -6.47
pbp -2.82 0.28 -9.93
Conforme podemos ver na Tabela 5 e no Gráfico 1, existe uma relação no formato U
invertido entre o efeito do crescimento econômico na votação obtida pelo incumbente, e
as faixas de crescimento. No Gráfico 1 esta relação fica bastante clara. Conclui-se assim
que o impacto do crescimento econômico é maior justamente nas taxas de crescimento
próximas da mediana, sendo que as mais altas estão no quarto decil. As faixas maiores e
menores, que estão nos primeiros e últimos decis, apresentaram um feito menor do
crescimento econômico sobre a votação do incumbente, chegando a ser negativo no 1º,
8º, 9º e 10º decis. Além disso, no Gráfico abaixo fica nítido que nenhum dos
18
coeficientes aleatórios modelados e estatisticamente diferentes de zero. Todos os
intervalos de confiança cruzam o valor nulo, onde não existe efeito do crescimento
econômico sobre a votação do incumbente.
Gráfico 1 – IC do efeito (βj[i]) do crescimento por faixas de crescimento (95%)
O segundo nível é formado pelos 10 grupos da faixa do logaritmo do PIB real
municipal, que, como no nível anterior, foram formados a partir da divisão da
distribuição da variável lpibreal em 10 decis distintos. Os resultados são apresentados
no Gráfico 2, onde podemos ver que não há uma relação aparente entre os decis do
logaritmo do PIB real e a inclinação do efeito de nossas variáveis explicativa sobre a
dependente (taxa de crescimento econômico real e votação obtida pelo incumbente)4.
Gráfico 2 – IC do efeito (βj[i]) do crescimento por faixas de renda (95%)
4 Com o intuito de deixar mais claro a explanação, as tabelas referentes a analise multinível que não estão
no corpo do texto, estarão disponibilizadas no apêndice final do estudo.
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1 2 3 4 5 6 7 8 9 10
Estimativa Mínimo Máximo
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
1 2 3 4 5 6 7 8 9 10
Mínimo Máximo Estimativa
19
Todavia, diferentemente do que acontece no Gráfico 1, todos os intervalos de
confiança nesse nível são superiores que o valor do efeito nulo. Isto é, são
estatisticamente diferentes de zero.
Já o terceiro nível é um exercício para verificar qual eleição é mais afetada pelo voto
econômico. Neste nível, analisamos se a inclinação do βj[i] é diferente nas eleições
presidenciais e municipais. Na Tabela 6 apresentamos os coeficientes do modelo e no
Gráfico 3 fica claro que embora o coeficiente da inclinação seja maior nas eleições
presidenciais, este não é estatisticamente diferente do coeficiente das eleições
municipais, uma vez que os respectivos intervalos de confiança se cruzam. Ademais,
assim como no Gráfico 1, os dois intervalos de confiança nesse nível atravessam o valor
do efeito nulo. Não sendo, portanto, diferentes de zero.
Tabela 6 – Estimação por Tipo de Eleição
Efeitos Fixos Efeitos Aleatórios
Tipos de Eleição
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP β j[i] EP β j[i] min β j[i] max
intercepto 39.0259 5.6532 6.9030 Municipal 31.8413 6.9276 0.0204 0.0457 -0.0710 0.1117
cresc 0.0526 0.0332 1.5870 Presidencial 31.8450
0.0849
-0.0064 0.1762
lpibreal -0.3884 0.0833 -4.6600 aplems 0.1976 0.0204 9.6770 lpop2 -6.0821 0.2503 -24.2980 leec 8.1651 0.4213 19.3830 lheu 0.1693 0.1287 1.3160 lses 2.0836 0.3306 6.3040
laseps 0.4850 0.1561 3.1080 ldesporc -8.8976 2.5368 -3.5070 ldespcor 3.5090 2.3532 1.4910 linvest 1.1183 0.3177 3.5200 ldespes -1.5277 0.5785 -2.6410
pbp -2.3479 0.2771 -8.4720
Gráfico 3 – IC do efeito (βj[i]) do crescimento por tipo de eleição (95%)
-0.10
-0.05
0.00
0.05
0.10
0.15
0.20
Municipal Presidencial
20
Além disso, observando os valores aleatórios de αj[i], observamos nesta estimação que
o desempenho eleitoral do incumbente em eleições municipais e presidenciais é bastante
similar, um resultado que difere daquele obtido na segunda modelagem por painel.
O quarto nível analisando repete a estimação feita na Tabela 4 por uma nova
estratégia. Enquanto lá introduzimos as dummies de ano nos modelos de painel, agora
incluímos os anos como um nível, sendo cada grupo um dos referidos anos eleitorais de
2000 a 2008. Na Tabela 7 apresentamos os coeficientes do modelo e no Gráfico 4 os
intervalos de confiança das estimativas realizadas para cada ano.
Tabela 7 – Estimação por Anos Eleitorais
Efeitos Fixos Efeitos Aleatórios
Anos Eleitorais
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP βj[i] EP β j[i] min β j[i] max
intercepto 103.3233 5.4628 18.9140 2000 103.9200 10.1607 0.0392 0.0430 -0.0468 0.1251
cresc 0.0183 0.0205 0.8900 2002 86.5439 10.1607 0.0066 0.0430 -0.0794 0.0925
lpibreal -0.2701 0.0765 -3.5290 2004 104.2025 10.1607 -0.0349 0.0430 -0.1209 0.0510
aplems 0.0796 0.0190 4.1840 2006 108.4461 10.1607 0.0728 0.0430 -0.0131 0.1588
lpop2 0.4623 0.2711 1.7050 2008 113.5043 10.1607 0.0076 0.0430 -0.0784 0.0935
leec 5.6045 0.4034 13.8940 lheu 0.3158 0.1185 2.6660 lses 1.2254 0.3126 3.9200
laseps 0.6982 0.1452 4.8100 ldesporc -4.3425 2.3343 -1.8600 ldespcor -5.8544 2.1641 -2.7050 linvest 1.9030 0.2925 6.5070 ldespes -2.4477 0.5397 -4.5360
pbp 0.1843 0.2676 0.6890
Gráfico 4 – IC do efeito (βj[i]) do crescimento por ano eleitoral (95%)
-0.15
-0.10
-0.05
0.00
0.05
0.10
0.15
0.20
2000 2002 2004 2006 2008
Estimativa
Minimo
Máximo
21
Além do coeficiente βj[i] é interessante observarmos também os interceptos αj[i] dos
grupos nesse nível. Se compararmos estes valores com aqueles expostos na Tabela 4,
nas colunas 04 a 06, podemos confirmar a constatação que o ano de 2002 foi aquele que
o incumbente obteve menos votos e que nos anos de 2000 e 2004 os incumbentes das
eleições municipais obtiveram um desempenho bastante similar.
No que se refere às variações no coeficiente de interesse, o Gráfico 4 não apresenta
nenhum padrão analítico relevante, parecendo assumir um padrão relacionado a choques
externos do que qualquer estruturação no tempo da capacidade do incumbente
transformar crescimento econômico em voto. Além disso, todos os intervalos incluem o
zero, indicando que os efeitos não são estatisticamente diferentes de zero em nenhum
dos anos modelados.
No quinto nível analisamos o modelo com a inclusão do nível dos partidos políticos.
Nesta análise o grupo que estrutura as análises são os partidos dos candidatos
incumbentes. Como em nossa amostra temos 26 partidos que apresentaram candidaturas
de incumbentes, apresentaremos no Gráfico 5 apenas os Intervalos de Confiança dos
βj[i] obtidos, uma vez são muitos coeficientes que impedem que o leitor tenha uma visão
ampla, clara e sucinta do impacto dos partidos políticos na relação entre crescimento
econômico e proporção de votos do incumbente. O eixo horizontal está ordenado de
maneira crescente de modo a permitir uma visão clara de quais são os partidos que são
mais hábeis em transformar crescimento econômico em votos.
Gráfico 5 – IC do efeito (βj[i]) do crescimento por partido político (95%)
-0.04
-0.02
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
PP
PSD
B
PTB P
L
PSD
PT
do
B
PM
N
PH
S
PTC PSC
PSD
C
PM
DB
PSB
PR
B
PR
TB PST
DEM P
V
PSL
PR
P
PP
S
PTN PD
T
PC
do
B PR PT
22
Neste Gráfico 5 fica claro que o partido que é apresenta maior sensibilidade com a
relação entre crescimento econômico e votação do incumbente é o PT e que os piores
são o PP e o PSDB. Todavia, convém sublinhar que do ponto de vista estatístico, nem
mesmo o PT pode ser considerado diferente do PP com uma confiança de 95%. Além
de que apenas o PT possui um intervalo de confiança que não cruza o valor nulo.
No sexto e último nível analisamos o modelo com a inclusão do nível dos estados
brasileiros. O Gráfico 6 apresenta os Intervalos de Confiança dos βj[i] obtidos.
Conforme podemos ver, os estados apresentam uma sensibilidade bastante variada para
o voto econômico. Enquanto uns apresentam intervalos de confiança cujo limite
superior se aproxima de 0.8, em outros o limite inferior é -0.5.
O estado brasileiro com maior impacto do voto econômico é Pernambuco e o menos
é o Rio Grande do Sul. O eixo horizontal está ordenado de maneira crescente de acordo
com o grau de “economismo” eleitoral observado nas eleições de 2000 a 2008. Além
disso, apenas os estados do Amapá, Paraíba e Pernambuco apresentam intervalos de
confiança que não cruzam o valor nulo.
Gráfico 6 – IC do efeito (βj[i]) do crescimento por unidade da federação (95%)
Por fim, como último passo de nossa proposta de trabalho, analisamos os efeitos do
crescimento econômico sobre a votação do incumbente, incluindo em uma única
modelagem quatro níveis distintos: tipo de eleição, partido, unidade federal e ano
eleitoral. Como a complexidade do modelo é grande, apresentaremos apenas os
-0.600
-0.400
-0.200
0.000
0.200
0.400
0.600
0.800
1.000
RS
PR
BA
RN SP RO
GO SE TO MT
AM
MG PA
AC
MS ES RR PI
RJ
AL
MA SC CE
AP
PB PE
23
gráficos de cada um dos níveis em termos de variação aleatória do intercepto e do
coeficiente de interesse. Os coeficientes estão disponibilizados no apêndice do texto.
Apresentamos os cinco Gráfico dos níveis incorporados para podermos analisá-los de
uma única vez todas as informações fornecidas pelo modelo multinível
-0.5
-0.4
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
RS SP MS BA AL RO TO AC PR RN SE ES RR PA MG PI GO MT SC AP PB AM CE MA PE RJ
Gráfico 7.1 – IC do efeito (βj[i]) do crescimento por unidade da federação (95%)
0.08
0.09
0.10
0.11
0.12
0.13
0.14
0.15
0.16
0.17
Gráfico 7.2 – IC do efeito (βj[i]) do crescimento por partido (95%)
24
-0.20
-0.10
0.00
0.10
0.20
0.30
0.40
1 2 3 4 5 6 7 8 9 10
Gráfico 7.3 – IC do efeito (βj[i]) do crescimento por faixa de crescimento (95%)
0.00
0.05
0.10
0.15
0.20
0.25
0.30
2000 2002 2004 2006 2008
Gráfico 7.4 – IC do efeito (βj[i]) do crescimento por ano eleitoral (95%)
0.00
0.05
0.10
0.15
0.20
0.25
0.30
Presidencial Municipal
Gráfico 7.5 – IC do efeito (βj[i]) do crescimento por ano eleitoral (95%)
25
O que mais impressiona na leitura do Gráfico 7.1 é que os seus coeficientes se
mostraram bastante instáveis. Por exemplo, o PP deixou de ser o incumbente que tinha
menor capacidade de capitalizar o impacto do crescimento econômico numa eleição e se
transformou no partido mais capaz de fazê-lo. Todavia, é necessário sublinhar em
ambos os gráficos que analisam os grupos de partidos, os IC se sobrepõem, de modo
que não podemos falar com confiança estatística que os grupos são diferentes. Se
compararmos os dois partidos das extremidades, vemos que seus ICs são sobrepostos.
Nos outros Gráficos, há mais estabilidade nos coeficientes. No Gráfico 7.2, sobre os
Estados da federação, embora alguns tenham mudado de posição, eles permaneceram na
mesma região do gráfico. Os estados que tinham um voto menos econômico
continuaram na extremidade esquerda enquanto os com maior voto econômico
continuaram do lado direito. Todavia, é interessante notar que no Gráfico 7.1 mais
estados possuem um IC que não atravessa o valor nulo: Amapá, Paraíba, Amazonas,
Ceará, Maranhão, Pernambuco e Rio de Janeiro. Os Gráficos 7.3; 7,4 e 7,5 (que
analisam, respectivamente, as faixas de crescimento econômico, os anos eleitorais e o
tipo de eleição) mantiveram o mesmo padrão que os anteriores. No primeiro, os efeitos
do crescimento econômico permaneceram tendo o seu ápice no quarto decil. No
segundo continua não existindo nenhuma tendência temporal pró ou anti incumbente. E
no terceiro, o coeficiente de interesse continua sendo maior na eleição e, mais
interessante, ambos os IC não cruzam no valor nulo, sendo, portanto, estatisticamente
positivos.
Tabela 8 – Coeficientes do Modelo Estimados com 5 níveis não aninhados
fracaovotos Multinível
intercepto*** 55.296
6.808
cresc** 0.127
0.052
aplems** 0.056
0.019
lpop*** -3.422
0.297
leec*** 1.564
0.416
linvest*** 2.313
0.285
Obs1: significância: *< 0,05 / **< 0,01 / *** <0,001
26
Por último, expomos na Tabela 8 as variáveis que, quando analisadas em seus efeitos
fixos, foram significantes neste último modelo mais complexo com cinco níveis não
aninhados, com os respectivos coeficientes e erros padrões. Diante disso, podemos ter
como conclusão final que o crescimento econômico está positivamente associado com
uma maior proporção de votos do incumbente, assim como os gastos municipais com
saúde, educação & cultura e investimentos. Por outro lado, os maiores municípios, em
termos populacionais, tendem a ser menos governistas do que os com menos população.
6. Conclusões
Esse trabalho teve como objetivo verificar o impacto do crescimento econômico na
porcentagem de votos obtidos pelo incumbente em uma amostra da população dos
municípios brasileiros em dados em painel e em multinível nas eleições presidenciais e
municipais de 2000, 2002, 2004, 2006 e 2008. Para mensurar o crescimento econômico,
utilizou-se a taxa de crescimento do PIB real municipal. Além disso, também foram
analisadas outras variáveis de interesse relacionadas com as relações entre prefeitos e
presidentes, questões demográficas, fiscais e temporais.
Os principais resultados confirmam que há evidências a respeito da relação entre
crescimento econômico e a votação obtida pelo incumbente em todos os modelos
estimados por painel. Ademais, verificamos, todavia, que quando analisamos este efeito
por grupos, há uma grande tendência em observar diferenças nos coeficientes aleatórios
que não são estatisticamente diferentes dos outros.
Outra importante constatação, surpreendente, foi que a conexão entre partidária entre
prefeitos e presidentes não possuem um efeito positivo no desempenho do incumbente,
chegando até a ser significante e negativo nos seis primeiros modelos. Além disso, nos
modelos em painel obtivemos fortes evidências de que os municípios com maior
potencial econômico tendem a serem menos governistas, uma vez que a variável que
mensurava a riqueza do município estava negativamente associada com a fração de
votos obtidos pelo incumbente. Mesmo nos modelos multinível, o efeito da riqueza do
município sempre esteve associado negativamente com a votação do incumbente,
conforme pode ser visto nos resultados disponíveis no apêndice.
Em resumo, o trabalho trouxe evidências favoráveis à hipótese do voto econômico
nas eleições presidenciais e municipais brasileiras ao indicar um impacto positivo e
significativo entre crescimento econômico e a votação obtida pelo incumbente.
27
7. Referências Bibliográficas
Anderson, C. D. e Morgan, J. Economic Voting and Incumbent Mayoral Elections in Canada:
1997:2010. Artigo apresentado na Annual Metting of the Canadian Political Science
Association. 2011.
Berelson, B; Lazarsfeld, P e Macphee, W. Voting: a study of opinion formation in a presidential
campaign. Chicago. Univ. of Chicago Press. 1954.
Cameron, A. C. e Travedi, P. K. Microeconometrics: methods and applications. Cambridge
Univ. Press, Nova Iorque, 2005.
Campbell, A; Converse, P; Miller, W; e Stokes, D. The American Voter. Nova Iorque: Wiley
Press. 1960
Dalton, RJ; Flanangan, S. e Beck, P. A. Electoral Change in Advanced Industrial Democracies:
Realignment or Dealignment? Princeton, Princeton Univ. Press. 1984.
Downs, A. An Economic Theory of Democracy. Nova Iorque. Harper. 1957.
Duch, R. e Stevenson, R. The Economic Vote. Nova Iorque: Cambridge Univ. Press. 2008
Fair, RC. Econometrics and Presidential Elections. Journal of Economic Perspectives. Vol. 10.
nº3. 1996b.
Fair, RC. The Effect of Economic Events on Votes for President. Review of Economics and
Statistics. Vol. 60: 1978.
Fair, RC. The Effect of Economic Events on Votes for President: 1992 Update. Polical
Behavior. Vol 10. 1996a.
Ferejohn, JA. Incumbent Performance and Electoral Control. Public Choice. Vol 50. 1986.
Fiorina, M. Retrospective voting in American national elections. Nova Heaven. Yale Univ.
Press. 1981.
Fox, J e Shotts, KW. Delegates or Trustees? A Theory of Political Accountability. The Journal
of Politics.71 (4). 2009.
Gelman, Andrew e Hill, Jennifer. Data Analysis Using Regression and Multilevel/Hierarchical
Models. Cambridge University Press. Nova Iorque. 2007.
Greene, W. Econometric Analysis. 4ª Edição. Prentice Hall. 2000.
Hausman, J. Specification tests in econometrics. Econometrica. Vol. 46. nº 6. 1978.
Hsiao, Cheng. Analysis of Panel Data. Cambridge. Ed. Cambridge Univ. Press. 1986
Hunter, W. e Power ,T. Rewarding Lula: Executive Power, Social Policy and the Brazilian
Elections of 2006. Latin American Politics & Society. Vol. 48, nº1. 2007.
Lazarsfeld, P; Berelson B; e Gaudet, H. The People’s Choice: how the votes makes up in a
presidential campaign. Nova Iorque: Columbia Univ. Press. 1944.
Nie, N; Verba, S e Petrocik, J. The Changing American Voter. Harvard Press. 1976.
Pimentel, J. Razão e Emoção no Voto: o caso da eleição presidencial de 2006. São Paulo. Univ.
de São Paulo. Dissertação de Mestrado. 2007.
Singer, A. As raízes sociais do lulismo. Caderno de Novos Estudos – Cebrap., 2009
Virmani, A. Economic Growth, Governance and Voting Behaviour: na application to Indian
Elections. Indian Council for Research on International Economic Relations - ICRIER. 2004
Wooldridge, JM. Econometric Analysis of Cross Section and Panel Data. The MIT Press. 2002
Zucco, César. The President’s Nova Constituency: Lula and the Pragmatic Vote in Brazil’s
2006 Presidential Elections. Journal of Latin American Studies. Vol. 40. Iss.1. 2008.
28
8. Apêndice: Modelos Multinível:
Modelo 1:
lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente
+(1+cresc|deciscresc))
Tabela 1 – Estimação por Faixas de Crescimento Econômico
Efeitos Fixos Efeitos Aleatórios
Faixas de Crescimento
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP β j[i] EP β j[i] min β j[i] max
intercepto 33.14 2.94 11.26 1 33.92 1.42 -0.10 0.19 -0.47 0.27
cresc 0.27 0.07 4.12 2 32.58
0.07
-0.30 0.44
lpibreal -0.40 0.09 -4.66 3 32.37
0.10
-0.27 0.47
aplems 0.17 0.02 8.01 4 31.69
0.19
-0.18 0.56
lpop2 -5.44 0.26 -20.99 5 32.12
0.13
-0.24 0.50
leec 6.37 0.43 14.79 6 32.96
0.02
-0.35 0.39
lheu -0.09 0.13 -0.70 7 31.97
0.15
-0.22 0.52
lses -0.61 0.33 -1.84 8 33.82
-0.09
-0.46 0.28
laseps 0.12 0.16 0.75 9 34.40
-0.16
-0.54 0.21
ldesporc -7.02 2.61 -2.69 10 35.56
-0.32
-0.69 0.06
ldespcor 8.94 2.41 3.70
linvest 0.57 0.33 1.76
ldespes -3.84 0.59 -6.47
pbp -2.82 0.28 -9.93
Modelo 2:
lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente
+(1+cresc|decispib))
Tabela 2 – Estimação por Faixas de Renda
Efeitos Fixos Efeitos Aleatórios
Faixas de Renda
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP β j[i] EP β j[i] min β j[i] max
intercepto 31.84 2.91 10.93 1 31.84 0.01 0.05 0.01 0.03 0.08
cresc 0.05 0.01 6.07 2 31.85
0.05
0.03 0.07
lpibreal -0.41 0.09 -4.69 3 31.85
0.05
0.03 0.07
aplems 0.18 0.02 8.32 4 31.84
0.05
0.03 0.08
lpop2 -5.45 0.26 -21.12 5 31.85
0.04
0.02 0.07
leec 6.32 0.43 14.61 6 31.84
0.05
0.03 0.08
lheu -0.12 0.13 -0.88 7 31.84
0.05
0.03 0.07
lses -0.66 0.33 -1.98 8 31.84
0.06
0.03 0.08
laseps 0.14 0.16 0.88 9 31.83
0.06
0.04 0.08
ldesporc -7.61 2.62 -2.90 10 31.85
0.05
0.02 0.07
ldespcor 9.31 2.43 3.84 linvest 0.61 0.33 1.85 ldespes -3.42 0.60 -5.74
pbp -2.90 0.29 -10.15
29
Modelo 3:
lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente
+(1+cresc|municipal))
Tabela 3 – Estimação por Tipo de Eleição
Efeitos Fixos Efeitos Aleatórios
Tipo de Eleição
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP β j[i] EP β j[i] min β j[i] max
intercepto 39.03 5.65 6.90 Municipal 31.84 6.93 0.02 0.05 -0.07 0.11
cresc 0.05 0.03 1.59 Presidencial 31.85 6.93 0.08 0.05 -0.01 0.18
lpibreal -0.39 0.08 -4.66
aplems 0.20 0.02 9.68
lpop2 -6.08 0.25 -24.30
leec 8.17 0.42 19.38
lheu 0.17 0.13 1.32
lses 2.08 0.33 6.30
laseps 0.48 0.16 3.11
ldesporc -8.90 2.54 -3.51
ldespcor 3.51 2.35 1.49
linvest 1.12 0.32 3.52
ldespes -1.53 0.58 -2.64
pbp -2.35 0.28 -8.47
Modelo 4:
lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente
+(1+cresc|ano))
Tabela 4 – Estimação por Anos Eleitorais
Efeitos Fixos Efeitos Aleatórios
Anos Eleitorais
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP βj[i] EP β j[i] min β j[i] max
intercepto 103.3233 5.4628 18.9140 2000 103.9200 10.1607 0.0392 0.0430 -0.0468 0.1251
cresc 0.0183 0.0205 0.8900 2002 86.5439
0.0066
-0.0794 0.0925
lpibreal -0.2701 0.0765 -3.5290 2004 104.2025
-0.0349
-0.1209 0.0510
aplems 0.0796 0.0190 4.1840 2006 108.4461
0.0728
-0.0131 0.1588
lpop2 0.4623 0.2711 1.7050 2008 113.5043
0.0076
-0.0784 0.0935
leec 5.6045 0.4034 13.8940 lheu 0.3158 0.1185 2.6660 lses 1.2254 0.3126 3.9200
laseps 0.6982 0.1452 4.8100 ldesporc -4.3425 2.3343 -1.8600 ldespcor -5.8544 2.1641 -2.7050 linvest 1.9030 0.2925 6.5070 ldespes -2.4477 0.5397 -4.5360
pbp 0.1843 0.2676 0.6890
30
Modelo 5:
lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente
+(1+cresc|partcand))
Tabela 5 – Estimação por Partido Político
Efeitos Fixos Efeitos Aleatórios
Partido do Candidato
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP βj[i] EP β j[i] min β j[i] max
intercepto 63.20 2.99 21.17 PP 65.19 3.93 0.02 0.02 -0.03 0.07
cresc 0.03 0.01 2.92 PSDB 51.46
0.02
-0.03 0.07
lpibreal -0.35 0.08 -4.29 PTB 63.59
0.03
-0.02 0.07
aplems 0.13 0.02 6.55 PL 62.55
0.03
-0.02 0.08
lpop2 -2.79 0.26 -10.90 PSD 62.12
0.03
-0.02 0.08
leec 4.52 0.42 10.89 PT do B 61.21
0.03
-0.02 0.08
lheu 0.17 0.13 1.38 PMN 60.73
0.03
-0.02 0.08
lses -0.51 0.32 -1.58 PHS 60.98
0.03
-0.02 0.08
laseps 0.27 0.15 1.81 PTC 63.84
0.03
-0.02 0.08
ldesporc -4.49 2.47 -1.82 PSC 61.72
0.03
-0.02 0.08
ldespcor 2.02 2.29 0.88 PSDC 61.26
0.03
-0.02 0.08
linvest 1.56 0.31 5.03 PMDB 64.32
0.03
-0.01 0.08
ldespes -2.25 0.56 -4.00 PSB 66.07
0.03
-0.01 0.08
pbp -0.78 0.28 -2.78 PRB 62.80
0.03
-0.01 0.08
PRTB 61.43
0.03
-0.01 0.08
PST 62.87
0.03
-0.01 0.08
DEM 65.12
0.03
-0.01 0.08
PV 63.76
0.04
-0.01 0.08
PSL 61.73
0.04
-0.01 0.08
PRP 62.22
0.04
-0.01 0.08
PPS 64.03
0.04
-0.01 0.09
PTN 65.95
0.04
-0.01 0.09
PDT 65.27
0.04
-0.01 0.09
PC do B 69.81
0.05
0.00 0.10
PR 67.90
0.05
0.00 0.10
PT 65.18
0.07
0.02 0.12
31
Modelo 6:
lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente
+(1+cresc|uf))
Tabela 6 – Estimação por Estado
Efeitos Fixos Efeitos Aleatórios
Estado
Intervalo de Confiança do β
(95% de confiança)
fracaovotos EP t-valor Grupo αj[i] EP βj[i] EP β j[i] min β j[i] max
intercepto 1.04 3.21 0.33 RS -2.08 5.86 -0.15 0.17 -0.49 0.18
cresc 0.11 0.04 3.01 PR 0.36
-0.11
-0.44 0.23
lpibreal -0.01 0.08 -0.12 BA 6.67
-0.08
-0.42 0.26
aplems 0.11 0.02 5.23 RN 8.70
-0.06
-0.40 0.27
lpop2 -7.89 0.26 -30.31 SP -3.90
-0.06
-0.39 0.28
leec 3.03 0.44 6.94 RO -5.24
-0.05
-0.39 0.28
lheu -0.46 0.14 -3.38 GO -2.43
0.01
-0.33 0.34
lses -1.32 0.32 -4.08 SE -0.13
0.01
-0.32 0.35
laseps 0.11 0.16 0.68 TO 4.28
0.03
-0.31 0.37
ldesporc -5.68 2.54 -2.23 MT -4.58
0.04
-0.29 0.38
ldespcor 12.87 2.34 5.50 AM 7.16
0.05
-0.28 0.39
linvest 1.05 0.32 3.31 MG 1.83
0.06
-0.27 0.40
ldespes -2.14 0.58 -3.67 PA 4.97
0.07
-0.27 0.41
pbp -1.88 0.28 -6.81 AC -2.86
0.08
-0.25 0.42
MS -1.81
0.09
-0.24 0.43
ES -1.93
0.14
-0.20 0.47
RR -5.97
0.19
-0.15 0.52
PI 10.68
0.19
-0.14 0.53
RJ -7.06
0.21
-0.13 0.54
AL 5.44
0.22
-0.11 0.56
MA 4.78
0.23
-0.10 0.57
SC -6.46
0.25
-0.09 0.58
CE 4.67
0.25
-0.09 0.59
AP -6.93
0.34
0.00 0.67
PB 7.99
0.39
0.05 0.72
PE 11.02
0.44
0.11 0.78
32
Modelo 7: lmer(fracaovotos~cresc+lpibreal+aplems+lpop2+leec+lheu+lses+laseps+ldesporc+ldespcor+linvest+ldespes+prefeitobasepresidente+(1+cresc|uf)+ (1+cresc|partcand)+
(1+cresc|deciscresc)(1+cresc|ano)+ (1+cresc|municipal))
Efeitos Fixos Efeitos Aleatórios
fracaovotos EP t-valor N1 αj[i] β j[i] N2 αj[i] β j[i] N3 αj[i] β j[i] N4 αj[i] β j[i] N5 αj[i] β j[i]
intercepto*** 55.296 6.808 8.122 AC 50.144 0.064 DEM 55.793 0.130 1 55.417 0.117 2000 55.539 0.153 Presidencial 50.706 0.158
cresc** 0.127 0.052 2.426 AL 60.775 0.054 PC do B 56.280 0.134 2 54.876 0.163 2002 44.917 0.088 Municipal 59.887 0.095
Lpibreal -0.018 0.076 -0.243 AM 57.909 0.242 PDT 56.959 0.138 3 54.952 0.156 2004 53.153 0.110
aplems** 0.056 0.019 2.982 AP 48.015 0.232 PHS 54.282 0.120 4 54.541 0.191 2006 64.975 0.168
lpop*** -3.422 0.297 -11.536 BA 60.812 0.054 PL 55.063 0.125 5 54.880 0.162 2008 57.897 0.115
leec*** 1.564 0.416 3.760 CE 57.808 0.244 PMDB 56.225 0.133 6 55.585 0.102
lheu -0.202 0.124 -1.634 ES 54.271 0.107 PMN 53.992 0.118 7 55.122 0.142
Erros Padrões
lses 0.382 0.307 1.245 GO 51.953 0.155 PP 57.233 0.140 8 55.143 0.140
Nível αj[i] β j[i]
laseps 0.249 0.146 1.702 MA 58.120 0.259 PPS 56.165 0.133 9 55.463 0.113
N1 5.512 0.111
ldesporc -0.141 2.282 -0.062 MG 55.442 0.118 PR 55.830 0.131 10 56.983 -0.017
N2 1.442 0.010
ldespcor -2.044 2.106 -0.971 MS 53.972 0.026 PRB 53.750 0.116
N3 0.839 0.072
linvest*** 2.313 0.285 8.106 MT 50.191 0.182 PRP 54.744 0.123
N4 7.409 0.036
ldespes -0.449 0.540 -0.831 PA 58.939 0.109 PRTB 54.609 0.122
N5 0.046 15.114
pbp 0.228 0.274 0.831 PB 62.856 0.236 PSB 54.283 0.120
PE 66.165 0.266 PSC 54.426 0.121
Número de Grupos
PI 63.459 0.124 PSD 54.447 0.121
N1 26
PR 54.396 0.074 PSDB 56.751 0.137
N2 26
RJ 50.743 0.276 PSDC 54.580 0.122
N3 10
RN 62.124 0.089 PSL 54.828 0.124
N4 5
RO 47.139 0.059 PST 55.331 0.127
N5 2
RR 46.445 0.108 PT 56.278 0.134
RS 53.249 -0.142 PT do B 54.650 0.122
SC 48.671 0.188 PTB 54.567 0.122
SE 54.519 0.094 PTC 55.616 0.129
SP 51.921 0.021 PTN 55.659 0.129
Obs1: significância: *< 0,05 / **< 0,01 / *** <0,001
TO 57.661 0.060 PV 55.359 0.127